一种结合多模态融合异质网络的临床抗癌药效预测系统技术方案

本发明专利技术公开了一种结合多模态融合异质网络的临床抗癌药效预测系统，包括：数据获取模块：用于获取组学特征数据和临床反馈结果数据；模型构建模块：用于构建多模态融合异质网络模型；模型训练模块：用于将所述组学特征数据作为所述多模态融合异质网络模型的输入，药物敏感性概率作为所述多模态融合异质网络模型的输出，得到训练好的多模态融合异质网络模型；预测模块：用于预测，得到对应所述待检测的临床抗癌药物的敏感性概率。本发明专利技术结合药敏实验，能够快速且多维度地提取样本响应过程中的表型特征，克服了多种数据来源的差异，以更真实可靠的临床数据作为训练集，能够方便、准确、高效地对临床抗癌药效进行预测。高效地对临床抗癌药效进行预测。高效地对临床抗癌药效进行预测。

【技术实现步骤摘要】
一种结合多模态融合异质网络的临床抗癌药效预测系统


[0001]本专利技术涉及一种临床药效预测
，尤其涉及一种结合多模态融合异质网络的临床抗癌药效预测系统。

技术介绍

[0002]药敏响应实验是一种常用的药物筛选方法，用于测试药物对细胞的影响，检测癌症细胞的敏感性和耐药性，是评估化疗、放疗、免疫疗法和靶向药物疗效的重要工具。药敏响应实验将癌症样本进行体外培养，然后将不同浓度的药物加入培养基中，观察和评估药物对癌症细胞的影响，从而为患者提供辅助建议。
[0003]癌症细胞受不同药物影响后，细胞活率发生变化，并会体现出不同的多维度表型特征。对药物敏感的癌症样本，细胞活率下降甚至死亡，对应地，表型可能出现细胞尺寸、面积体积缩小，形状坍塌甚至被消解等情况。而耐药性的样本则表型变化较小，甚至可能出现继续生长扩散。现有细胞活率评估方法，多采用ATP发光法检测受药样本中的ATP量，间接反应细胞的活力，因而当样本含有较多非肿瘤细胞时，如淋巴细胞等，会干扰最终结果。并且ATP法对样本的生长能力有较大影响，实施ATP发光法后的样本，不能继续正常生长，无法提取加药前后的样本对照活性数据，限制了药敏响应实验的评估。多维度表型特征可以提供更全面、更综合的受药后细胞活率评估指标，能够辅助甚至可能替代传统的ATP活性检测方法，为新疗法、新药开发等提供更多信息和依据。

技术实现思路

[0004]本专利技术的目的在于提供一种结合多模态融合异质网络的临床抗癌药效预测系统，解决了现有技术中抗癌药物预测模型的信息不全面，模型的抗噪声能力弱、鲁棒性差等问题。
[0005]本专利技术采用的技术方案如下：
[0006]一种结合多模态融合异质网络的临床抗癌药效预测系统，包括：
[0007]数据获取模块：用于获取组学特征数据和临床反馈结果数据，其中，所述组学特征数据包括荧光图像表型数据、样本基因表达数据、样本基因突变数据、药物作用靶点数据、药物结构属性数据；
[0008]模型构建模块：用于根据所述组学特征数据和所述临床反馈结果数据，构建多模态融合异质网络模型；
[0009]模型训练模块：用于将所述组学特征数据作为所述多模态融合异质网络模型的输入，药物敏感性概率作为所述多模态融合异质网络模型的输出，同时采用所述临床反馈结果数据作为真实标签集，利用异步标签传播算法训练所述多模态融合异质网络模型，得到训练好的多模态融合异质网络模型；
[0010]预测模块：用于将待检测的临床抗癌药物输入所述训练好的多模态融合异质网络模型进行预测，得到对应所述待检测的临床抗癌药物的敏感性概率。
[0011]作为优选，根据所述组学特征数据和所述临床反馈结果数据，构建多模态融合异质网络模型包括：
[0012]根据所述组学特征数据，计算得到样本间相似性网络和药物间相似性网络；
[0013]根据所述临床反馈结果数据，计算得到样本
‑
药物二分网络；
[0014]利用所述样本间相似性网络、所述药物间相似性网络和所述样本
‑
药物二分网络，构建多模态融合异质网络模型。
[0015]作为优选，根据所述组学特征数据，计算得到样本间相似性网络和药物间相似性网络包括：
[0016]根据所述组学特征数据，分别计算得到样本间相似性矩阵和药物间相似性矩阵；
[0017]将所述样本间相似性矩阵和所述药物间相似性矩阵分别进行归一化，计算得到样本间相似性网络和药物间相似性网络。
[0018]作为优选，根据所述组学特征数据，分别计算得到样本间相似性矩阵和药物间相似性矩阵包括：
[0019]根据所述荧光图像表型数据，计算得到样本间响应表型相似性和药物间响应表型相似性；
[0020]根据所述样本基因表达数据和所述样本基因突变数据，计算得到样本间基因表达相似性和样本间基因突变相似性；
[0021]根据所述药物作用靶点数据和所述药物结构属性数据，计算得到药物作用靶点相似性和药物结构属性相似性；
[0022]根据所述样本间响应表型相似性、所述样本间基因表达相似性和所述样本间基因突变相似性，计算得到样本间相似性矩阵；
[0023]根据所述药物间响应表型相似性、所述药物作用靶点相似性、所述药物结构属性相似性，计算得到药物间相似性矩阵。
[0024]作为优选，利用所述样本间相似性网络、所述药物间相似性网络和所述样本
‑
药物二分网络，构建多模态融合异质网络模型包括：
[0025]所述药物间相似性网络和所述样本间相似性网络之间通过所述样本
‑
药物二分网络连通，得到双层的多模态融合异质网络模型。
[0026]作为优选，根据所述临床反馈结果数据，计算得到样本
‑
药物二分网络包括：
[0027]预设临床反馈为完全缓解CR、部分缓解PR、病情稳定SD、疾病进展
‑
PD；
[0028]根据所述临床反馈结果数据，将所述临床反馈为完全缓解CR或部分缓解PR的结果作为患者对药物具有敏感性关系；
[0029]收集所述敏感性关系，并对所述敏感性关系归一化，计算得到样本
‑
药物二分网络。
[0030]作为优选，所述异步标签传播算法包括：
[0031]利用所述药物间相似性网络进行标签传播，得到待测药物标签的概率；
[0032]利用所述待测药物标签的概率对样本间相似性网络进行标签传播，得到样本标签的概率。
[0033]作为优选，所述荧光图像表型数据选自样本的总面积、总荧光强度、平均直径、平均圆率中的一种或多种。
[0034]作为优选，所述数据获取模块中还包括对所述样本基因表达数据和所述样本基因突变数据的预处理：
[0035]所述样本基因表达数据经过预处理后，得到高维连续向量，所述样本基因表达数据中的每一个元素对应一个基因的表达量；
[0036]所述样本基因突变数据经过预处理后，得到高位离散向量，所述样本基因突变数据中的每一个元素对应一个基因的突变。
[0037]作为优选，根据药物的2
‑
D结构计算得到所述化学结构属性数据，所述化学结构属性数据为多维向量，所述多维向量中的每一个元素对应一种化学结构描述。
[0038]本专利技术的有益效果是：本专利技术采用体外培养样本药敏试验的表型数据，联合临床反馈结果数据、样本基因组学数据与药物的靶点、结构等信息建立多模态融合异质网络模型，利用体外培养样本的药敏响应实验快速模拟患者受药反应，捕获了样本响应的多维度表型特征；联合临床反馈结果数据建模，为模型提供真实的标签集，增强预测准确度和可靠性。而多来源、多模态数据的整合，可以为多模态融合异质网络模型提供更全面的信息，增强模型的抗噪声能力、改善冷启动问题，提升预测模型的鲁棒性；能够发掘不同类型数据之间的关联，有助于研究抗癌药物作用机理。
附图说明
[0039]图1为本专利技术实施例一种结合多模态融本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合多模态融合异质网络的临床抗癌药效预测系统，其特征在于，包括：数据获取模块：用于获取组学特征数据和临床反馈结果数据，其中，所述组学特征数据包括荧光图像表型数据、样本基因表达数据、样本基因突变数据、药物作用靶点数据、药物结构属性数据；模型构建模块：用于根据所述组学特征数据和所述临床反馈结果数据，构建多模态融合异质网络模型；模型训练模块：用于将所述组学特征数据作为所述多模态融合异质网络模型的输入，药物敏感性概率作为所述多模态融合异质网络模型的输出，同时采用所述临床反馈结果数据作为真实标签集，利用异步标签传播算法训练所述多模态融合异质网络模型，得到训练好的多模态融合异质网络模型；预测模块：用于将待检测的临床抗癌药物输入所述训练好的多模态融合异质网络模型进行预测，得到对应所述待检测的临床抗癌药物的敏感性概率。2.根据权利要求1所述的一种结合多模态融合异质网络的临床抗癌药效预测系统，其特征在于，根据所述组学特征数据和所述临床反馈结果数据，构建多模态融合异质网络模型包括：根据所述组学特征数据，计算得到样本间相似性网络和药物间相似性网络；根据所述临床反馈结果数据，计算得到样本
‑
药物二分网络；利用所述样本间相似性网络、所述药物间相似性网络和所述样本
‑
药物二分网络，构建多模态融合异质网络模型。3.根据权利要求2所述的一种结合多模态融合异质网络的临床抗癌药效预测系统，其特征在于，根据所述组学特征数据，计算得到样本间相似性网络和药物间相似性网络包括：根据所述组学特征数据，分别计算得到样本间相似性矩阵和药物间相似性矩阵；将所述样本间相似性矩阵和所述药物间相似性矩阵分别进行归一化，计算得到样本间相似性网络和药物间相似性网络。4.根据权利要求3所述的一种结合多模态融合异质网络的临床抗癌药效预测系统，其特征在于，根据所述组学特征数据，分别计算得到样本间相似性矩阵和药物间相似性矩阵包括：根据所述荧光图像表型数据，计算得到样本间响应表型相似性和药物间响应表型相似性；根据所述样本基因表达数据和所述样本基因突变数据，计算得到样本间基因表达相似性和样本间基因突变相似性；根据所述药物作用靶点数据和所述药物结构属性数据，计算得到药物作用靶点相似性和药物结构属性相似性；根据所述样本间响应表型相似性、所述样本间基因表达相似性和所述样本间基因突变相似性，计算得到样本间相似...

【专利技术属性】
技术研发人员：肖红江，赵晓诗，陈荣周，
申请(专利权)人：杭州济扶科技有限公司，
类型：发明
国别省市：